基于HMM的嵌入式特定人語音識別系統(tǒng).pdf

1、語言作為人類最重要最自然的交流工具，是人類獲得信息的重要來源之一，讓計算機能“聽懂”人類的語言，也是人與計算機之間進行溝通最為方便的形式之一。語音識別技術就是讓機器通過識別和理解這個過程，把語音信號轉變成為相對應的文本或者是命令的一種高科技技術。經(jīng)過這些年的發(fā)展，在語音識別等方面已經(jīng)有了長足的發(fā)展，并且顯示出其巨大的市場潛能。
　　 語音識別的模版匹配目前主要有3種方式:動態(tài)時間規(guī)整法(DTW)、隱馬爾科夫模型（HMM）和人工神

2、經(jīng)網(wǎng)絡。其中動態(tài)時間規(guī)整法主要適用于小詞匯量的特定人孤立詞的識別，其系統(tǒng)識別性能過分依賴于端點檢測，且動態(tài)規(guī)劃的計算量太大;隱馬爾科夫模型適用于較大詞匯的特定或非特定人連續(xù)語音的識別;人工神經(jīng)網(wǎng)絡相較于前兩種方法又太過復雜。本文所選用的語音識別方法是基于隱馬爾科夫模型的模版匹配方法。
　　 嵌入式的語音識別應用越來越受到廣泛的關注，稱為語音識別領域新的研究方向。在此基礎上，本課題進行了基于嵌入式的語音識別系統(tǒng)的研究。論文分別從理

3、論分析，語音識別模型的建立，系統(tǒng)的仿真以及調試等方面來說明語音識別在ARM上的實現(xiàn)過程。其中具體分析了隱馬爾科夫模型(HMM)的建立，包括語音信號的預處理、端點檢測、特征參數(shù)的提取和模版匹配等，并根據(jù)HMM所存在的問題，對HMM進行了部分改進。然后在基于以上方面，在MATLAB軟件上對語音識別系統(tǒng)進行了仿真，然后在ARM上進行仿真。
　　 最后，本文采用隱馬爾科夫模型，完成了語音信號的模版訓練和語音識別任務。經(jīng)過試驗，該系統(tǒng)能夠